Decisional Support Algorithm for Collaborative Care Planning using the Participation and Environment Measure for Children and Youth (PEM-CY): A Mixed Methods Study
Notice bibliographique
Résumé
ABSTRACT Aims: The purpose of this study was to explore the utility of the Participation and Environment Measure for Children and Youth (PEM-CY) for collaborative care planning with parents of children with disabilities. Methods: An explanatory sequential mixed methods approach was employed to examine how community-based service providers interpret and apply PEM-CY case results to set goals and formulate care plans with parents. We used two distinct, interactive phases that included collection and summary of PEM-CY data in Phase One (quantitative) and sequential collection and analysis of interview data during Phase Two (qualitative). Twenty-three parents of children with disabilities (mean age = 10.7 years) completed the PEM-CY community section during Phase One (quan). Four PEM-CY case reports were used with seven providers who were interviewed during Phase Two (QUAL). Results: Providers identified a four-step decisional support algorithm for leveraging PEM-CY case results in care planning: (1) parent rank orders activities in which change is desired, (2) child preferences are incorporated, (3) provider clarifies parent and child goals, and (4) activity-specific supports, barriers, and strategies are identified. Conclusions: Further validation and refinement of the decisional support algorithm with parents and children when applied to PEM-CY home and school reports is discussed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».